文献

J-GLOBAL ID：201902284551546310   整理番号：19A1431568

スパース化双線形畳込みニューラルネットワークに基づく細粒度画像分類【JST・京大機械翻訳】

Fine-Grained Visual Classification Based on Sparse Bilinear Convolutional Neural Network

著者 (2件)： Ma Li (上海理工大学 光電信息与計算机工程学院 上海200093) ,  Wang Yongxiong (上海理工大学 光電信息与計算机工程学院 上海200093;上海康復器械工程技術研究中心 上海200093)
資料名： Moshi Shibie yu Rengong Zhineng  (Moshi Shibie yu Rengong Zhineng)
巻： 32  号： 4  ページ： 336-344  発行年： 2019年 
JST資料番号： C2411A  ISSN： 1003-6059  CODEN： MRZHET  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 双線形畳込みニューラルネットワーク(B-CNN)の細粒度画像分類において、パラメータが過剰で、複雑性が高すぎるため、過フィッティング問題に対して、スパース化B-CNNを提案した。まず第一に,B-CNNの各々の特徴チャネルにスケール因子を導入して,トレーニングにおいて正則化方式を採用して,その疎性を取り扱った。次に,特徴チャネルの重要性をスケール因子のサイズによって識別した。最後に,重要でない特徴チャネルを一定の比率で裁断して,ネットワークオーバーフィッティングを排除して,キー特徴の有意性を改善した。スパース化B-CNNは,弱い教師つき学習であり,エンドツーエンド訓練を実現できた。FGVC-aircraft,Stanforddogs,Stanfordcarsの3つの細粒度画像データセットに関する実験は,スパース化B-CNNの精度がB-CNNより高いことを示した。また,他の一般的な細粒度画像分類アルゴリズムより優れている。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *画像 ,  *線形性 ,  教師つき学習 ,  正則化 ,  チャネル ,  スケール因子 ,  *ネットワーク ,  エンドツーエンド方式
準シソーラス用語： 分類アルゴリズム ,  画像データ ,  複雑性 ,  *画像分類 ,  *細粒度 ,  *畳込みニューラルネットワーク ,  *スパース , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 線形 ,  畳込みニューラルネットワーク ,  細粒度 ,  画像分類